最强组合HuggingFace+ChatGPT=「贾维斯」现在开放demo了！

来源：新智元

前段时间，浙大&微软发布了一个大模型协作系统HuggingGPT直接爆火。

研究者提出了用ChatGPT作为控制器，连接HuggingFace社区中的各种AI模型，完成多模态复杂任务。

整个过程，只需要做的是：用自然语言将你的需求输出。

英伟达科学家称，这是我本周读到的最有意思的论文。它的思想非常接近我之前说的「EverythingApp」，即万物皆App，被AI直接读取信息。

上手体验

现在，HuggingGPT增加了Gradio演示。

项目地址：https://github.com/microsoft/JARVIS

有网友便上手体验了一番，先来「识别图上有几个人」？

HuggingGPT根据推理结果，得出图片中有2个人正在街道上行走。

PEPE代币24H涨逾40%，或与Gemini在推特上发布的短片相关:金色财经报道，PEPE在过去24小时内飙升了40%以上。几个月前，该代币是加密货币领域表现最好的代币之一，几乎每天都创下历史新高。根据CoinGecko数据，PEPE的估值在昨日飙升约40%后触及一个月高位。截至撰写本文时，其市值已从6月21日的约4亿美元上升至超过6.33亿美元。推动模因币价格上涨的一个因素可能是Gemini在Twitter上发布了一段短片，其中包含PEPE的徽标和可能的登月镜头。该视频还暗示了熊市的结束，展示了BTC如何在美联储发起大规模印制法定货币等问题后取得胜利。[2023/6/22 21:54:16]

具体过程如下：

首先使用图像到文本模型nlpconnect/vit-gpt2-image-captioning进行图像描述，生成的文本「2个女人在有火车的街道上行走」。

接着，使用了目标检测模型facebook/detrresnet50来检测图片中的人数。模型检测出7个物体，2个人。

永续合约协议Drift Protocol已上线SUI永续合约交易:5月4日消息，基于 Solana 的永续合约协议 Drift Protocol 已上线 SUI 永续合约，最高支持 10 倍杠杆交易。[2023/5/4 14:41:34]

再使用视觉问题回答模型dandelin/vilt-b32-finetuned-vqa得出结果。最后，系统提供了详细的响应和用于解答问题的模型信息。

另外，让它理解「我爱你」这句话的情感，并将其翻译成泰米尔语。

HuggingGPT调用了以下模型：

首先，使用了模型「dslim/bert-base-NER」对文本「lloveyou」进行情感分类，是「浪漫」。

然后，使用「ChatGPT」将文本翻译成泰米尔语，即「Nanunnaikadalikiren」。

在推理结果中没有生成的图片、音频或视频文件。

MetaMask与MoonPay合作让尼日利亚人通过银行转账购买加密货币:金色财经报道，ConsenSys 周二宣布，MetaMask 已扩大与尼日利亚 web3 支付公司 MoonPay 的合作伙伴关系，使用户能够直接从他们的钱包购买加密代币。尼日利亚的 MetaMask 用户可以使用本地银行转账购买加密货币。他们可以在购买加密货币时选择尼日利亚作为他们的地区，并选择与其购买金额相关的 MoonPay 报价。然后可以将购买的代币存储在他们的 MetaMask 钱包中。[2023/3/21 13:17:04]

转录MP3文件时，HuggingGPT却失败了。网友表示，「不确定这是否是我的输入文件的问题。」

再来看看图像生成的能力。

输入「一只猫跳舞」图像上添加文字「ILOVEYOU」作为叠加层。

HuggingGPT首先使用了「runwayml/stable-diffusion-1-5」模型根据给定的文本生成「跳舞的猫」的图片。

新加坡推出500万新元“虚拟制作创新基金”:金色财经报道，新加坡资讯通信媒体发展局 (IMDA) 宣布启动500万新元（约360万美元）“虚拟制作创新基金”， 旨在利用虚拟制作技术发展、支持本地媒体行业。此外，新加坡资讯通信媒体发展局还宣布与元宇宙游戏开发巨头Epic Games公司达成合作，后者将帮助新加坡培训和支持本地人才并提供工具和资源。（variety）[2022/12/7 21:28:25]

然后，使用同一个模型根据给定的文本生成了「ILOVEYOU」的图片。

最后，将2个图片合并在一起，输出如下图：

贾维斯照进现实

项目公开没几天，贾维斯已经在GitHub上收获了12.5k星，以及811个fork。

研究者指出解决大型语言模型当前的问题，可能是迈向AGI的第一步，也是关键的一步。

因为当前大型语言模型的技术仍然存在着一些缺陷，因此在构建AGI系统的道路上面临着一些紧迫的挑战。

Kraken计划增加股票、外汇等资产类别:5月11日消息，加密货币交易所 Kraken Kraken 计划增加股票和外汇等金融资产类别。他表示，将沿着 Robinhood 的道路为用户提供加密货币和股票。该公司在股票和加密交易服务方面拥有与eToro和 Robinhood等竞争对手公司竞争的一切。Kraken 首席执行官还暗示未来会推出超级钱包。他指出，这个钱包将支持金融市场上的各种资产。[2022/5/11 3:07:37]

为了处理复杂的人工智能任务，LLMs应该能够与外部模型协调，以利用它们的能力。

因此，关键点在于如何选择合适的中间件来桥接LLMs和AI模型。

在这篇研究论文中，研究者提出在HuggingGPT中语言是通用的接口。其工作流程主要分为四步：

论文地址：https://arxiv.org/pdf/2303.17580.pdf

首先是任务规划，ChatGPT解析用户请求，将其分解为多个任务，并根据其知识规划任务顺序和依赖关系。

接着，进行模型选择。LLM根据HuggingFace中的模型描述将解析后的任务分配给专家模型。

然后执行任务。专家模型在推理端点上执行分配的任务，并将执行信息和推理结果记录到LLM中。

最后是响应生成。LLM总结执行过程日志和推理结果，并将摘要返回给用户。

假如给出这样一个请求：

请生成一个女孩正在看书的图片，她的姿势与example.jpg "/>中的男孩相同。然后请用你的声音描述新图片。

可以看到HuggingGPT是如何将它拆解为6个子任务，并分别选定模型执行得到最终结果的。

通过将AI模型描述纳入提示中，ChatGPT可以被视为管理人工智能模型的大脑。因此，这一方法可以让ChatGPT能够调用外部模型，来解决实际任务。

简单来讲，HuggingGPT是一个协作系统，并非是大模型。

它的作用就是连接ChatGPT和HuggingFace，进而处理不同模态的输入，并解决众多复杂的人工智能任务。

所以，HuggingFace社区中的每个AI模型，在HuggingGPT库中都有相应的模型描述，并将其融合到提示中以建立与ChatGPT的连接。

随后，HuggingGPT将ChatGPT作为大脑来确定问题的答案。

到目前为止，HuggingGPT已经围绕ChatGPT在HuggingFace上集成了数百个模型，涵盖了文本分类、目标检测、语义分割、图像生成、问答、文本到语音、文本到视频等24个任务。

实验结果证明，HuggingGPT可以在各种形式的复杂任务上表现出良好的性能。

网友热评

有网友称，HuggingGPT类似于微软此前提出的VisualChatGPT，似乎他们把最初的想法扩展到了一组庞大的预训练模型上。

VisualChatGPT是直接基于ChatGPT构建，并向其注入了许多可视化模型。文中提出了PromptManage。

在PM的帮助下，ChatGPT可以利用这些VFMs，并以迭代的方式接收其反馈，直到满足用户的要求或达到结束条件。

还有网友认为，这个想法确实与ChatGPT插件非常相似。以LLM为中心进行语义理解和任务规划，可以无限提升LLM的能力边界。通过将LLM与其他功能或领域专家相结合，我们可以创建更强大、更灵活的AI系统，能够更好地适应各种任务和需求。

这就是我一直以来对AGI的看法，人工智能模型能够理解复杂任务，然后将较小的任务分派给其他更专业的AI模型。

就像大脑一样，它也有不同的部分来完成特定的任务，听起来很符合逻辑。

参考资料：

https://twitter.com/1littlecoder/status/1644466883813408768

https://www.youtube.com/watch?v=3_5FRLYS-2A

https://huggingface.co/spaces/microsoft/HuggingGPT

中文推特：https://twitter.com/8BTC_OFFICIAL英文推特：https://twitter.com/btcinchinaDiscord社区：https://discord.gg/defidao电报频道：https://t.me/Mute_8btc电报社区：https://t.me/news_8btc

标签：GPTINGHUGGINgpt币最新消息RATINGHUG币CorgiNFTGame

币赢交易所热门资讯